水水水水水水水水水水
Selenium 是一个用于自动化浏览器操作的工具，它支持多种编程语言（如 Python、Java、C#等）。通过 Selenium，我们可以模拟用户在浏览器中的行为（如点击按钮、填写表单、滚动页面等），从而实现对网页信息的抓取和分析。与传统的 requests 和 BeautifulSoup 组合相比，Selenium 更适合处理动态加载的内容（如 JavaScript 渲染的页面）。因此，它是获取复杂 web 页面信息的重要工具。2. 环境搭建1. 安装 Python 和 Selenium在开始之前，请确保你已经安装了 Python。然后，使用以下命令安装 Selenium：
1
pip install selenium
2. 下载 WebDriverSelenium 需要与浏览器的 WebDriver 结合使用才能运行。以下是常见浏览器的 WebDriver 下载地址：ChromeDriver: https://sites.google.com/chromium.org/driver/GeckoDriver (Firefox): https://github.com/mozilla/geckodriver/releasesEdgeDriver: https://developer.microsoft.com/en-us/microsoft-edge/tools/webdriver/将下载好的 WebDriver 添加到系统环境变量中，或者在代码中指定其路径。3. 示例：初始化浏览器以下是一个简单的示例代码，展示了如何使用 Selenium 初始化 Chrome 浏览器：
1
2
3
4
5
6
7
from selenium import webdriver
# 初始化 Chrome 浏览器
driver = webdriver.Chrome(executable_path='path/to/chromedriver')
# 访问目标页面
driver.get('https://www.example.com')
3. Selenium 的基本用法1. 访问网页
1
driver.get(url)
使用 get 方法可以访问指定的 URL。2. 关闭浏览器
1
2
3
4
5
# 关闭当前标签页
driver.close()
# 完全退出浏览器
driver.quit()
3. 设置等待时间在某些情况下，页面加载可能需要较长时间。可以通过设置隐式等待来解决这个问题：
1
driver.implicitly_wait(10)# 等待 10 秒
4. 定位元素：选择器的使用在 Selenium 中，定位元素是获取网页信息的核心步骤。Selenium 支持多种选择器方式：1. ID 选择器
1
element = driver.find_element_by_id('element_id')
2. Name 选择器
1
element = driver.find_element_by_name('element_name')
3. Class 选择器
1
elements = driver.find_elements_by_class_name('class_name')# 返回所有匹配元素
4. CSS 选择器
1
element = driver.find_element_by_css_selector('#id .class')# 使用 CSS 选择器
5. XPath 选择器XPath 是一种强大的选择器语言，适用于复杂场景：
1
element = driver.find_element_by_xpath('//*[@id="id"]/div[@class="class"]')
6. 组合使用如果上述方法都无法定位元素，可以结合多种方式来实现。示例：获取页面标题
1
2
title = driver.title
print(title)
5. 获取页面信息1. 获取元素文本
1
2
text = element.text
print(text)
2. 获取元素属性
1
2
href = element.get_attribute('href')
print(href)
3. 处理多个元素
1
2
3
elements = driver.find_elements_by_css_selector('.class')# 返回列表
for elem in elements:
print(elem.text)
4. 提取页面源代码
1
2
page_source = driver.page_source
print(page_source)
6. 处理动态内容和等待1. 显式等待对于动态加载的内容，显式等待是更好的选择：
1
2
3
4
5
6
7
8
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
# 等待元素出现
element = WebDriverWait(driver, 10).until(
EC.presence_of_element_located((By.ID, 'element_id'))
)
2. 隐式等待隐式等待适用于全局，不会针对特定元素：
1
driver.implicitly_wait(10)# 等待 10 秒
3. 处理动态内容加载对于需要滚动或点击才能显示的内容，可以使用以下方法：
1
2
3
4
5
6
# 滚动到页面底部
driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
# 点击加载更多按钮
load_more = driver.find_element_by_css_selector('.load-more')
load_more.click()
7. 常见操作示例示例 1：登录系统
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
from selenium import webdriver
driver = webdriver.Chrome(executable_path='path/to/chromedriver')
# 访问登录页面
driver.get('https://www.example.com/login')
# 输入用户名和密码
username = driver.find_element_by_id('username')
password = driver.find_element_by_id('password')
username.send_keys('your_username')
password.send_keys('your_password')
# 点击登录按钮
login_button = driver.find_element_by_css_selector('.login-btn')
login_button.click()
# 关闭浏览器
driver.quit()
示例 2：提交表单
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
from selenium import webdriver
driver = webdriver.Chrome(executable_path='path/to/chromedriver')
# 访问表单页面
driver.get('https://www.example.com/form')
# 填写表单
name = driver.find_element_by_name('name')
email = driver.find_element_by_name('email')
name.send_keys('John Doe')
email.send_keys('john.doe@example.com')
# 上传文件（如果需要）
file_input = driver.find_element_by_css_selector('#file-input')
file_input.send_keys('/path/to/file.txt')
# 提交表单
submit_button = driver.find_element_by_id('submit-btn')
submit_button.click()
driver.quit()
示例 3：获取页面信息并保存
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
from selenium import webdriver
driver = webdriver.Chrome(executable_path='path/to/chromedriver')
# 访问目标页面
driver.get('https://www.example.com')
# 获取所有链接
links = driver.find_elements_by_css_selector('a')
for link in links:
print(link.get_attribute('href'))
# 保存页面源代码到文件
with open('page_source.html', 'w', encoding='utf-8') as f:
f.write(driver.page_source)
driver.quit()
8. 案例分析：从简单到复杂案例 1：获取新闻标题假设我们需要从一个新闻网站中提取所有新闻的标题：
1
2
3
4
5
6
7
8
9
10
11
from selenium import webdriver
driver = webdriver.Chrome(executable_path='path/to/chromedriver')
driver.get('https://www.news.com')
# 获取所有新闻标题
titles = driver.find_elements_by_css_selector('.news-title')
for title in titles:
print(title.text)
driver.quit()
案例 2：处理分页如果目标页面有分页，可以使用循环来逐页抓取数据：
1
2
3
4
5
6
7
8
9
10
11
12
from selenium import webdriver
driver = webdriver.Chrome(executable_path='path/to/chromedriver')
for page in range(1, 6):# 抓取前5页
driver.get(f'https://www.example.com?page={page}')
items = driver.find_elements_by_css_selector('.item')
for item in items:
print(item.text)
driver.quit()
9. 总结通过以上示例和案例分析，我们可以看到 Selenium 在自动化测试和数据抓取中的强大能力。结合显式等待、动态内容处理等技术，可以应对各种复杂的场景。当然，在实际应用中还需要注意以下几点：遵守目标网站的 robots.txt 文件。处理可能出现的异常（如元素未找到）。使用代理 IP 和浏览器指纹伪装，以避免被反爬机制拦截。
页:
[1]